隨著邊緣端智慧化程度持續提升，影像感測器作為蒐集全面資料的關鍵元素，除了需要提供高解析度資料，更需要進一步降低功耗，以便將智慧化趨勢普及至更多裝置應用。
各項技術輪番上陣 低功耗影像感測器設計有解
(承前文)以下將說明影像感測器如何透過各項技術降低所需頻寬及功耗，以利於邊緣端採用。
次級採樣模式
基於前述運作需求，採用諸如合併(Binning)、裁剪(Cropping)和跳採(Skipping)等次級採樣模式(Subsampling Mode)，將顯著減少產生和傳輸資料所需的頻寬，例如安森美(onsemi)的影像感測器(例如HyperluxTM LP產品系列)便整合多種次級採樣模式(圖3)。
圖3 安森美Hyperlux LP系列產品
這些功能使視覺系統變得非常聰明，能夠根據使用案例的需求選擇最佳的功耗/性能配置。例如，在生物識別掃描儀中，可以利用配備5百萬像素感測器陣列的單個系統，以逐漸增強的掃描方式，完成次級採樣模式下的單個指紋掃描到全解析度面部掃描。最重要的是，由於ISP/SoC接收到的資料量減少，將降低其自身及整個視覺系統的功耗。
縮減資料規模
高解析度影像感測器會占用大量頻寬來輸出資料。例如，一個以60fps速度工作的20百萬像素感測器將傳輸12Gbps的影像資料，這些資料不僅需要在感測器內部的高速介面中妥善處理，還需要由接收這些資料的ISP/SoC進行處理。處理如此龐大的資料需要在處理引擎和電源供應中投入昂貴且專用的資源，並可能導致大量的功耗/散熱管理問題。此外，介面的速度限制為這項挑戰增加難度。
在大多數應用中，可能只有一小部分時間需要在全解析度下全速運行，其餘時間則僅需要較低解析度。雖然次級採樣模式可以降低頻寬並有其自身優勢，但在解析度選擇或場景完整性方面將受到一定的限制。
感測器內的縮放器(Scaler)有助於克服這些限制，有效滿足低解析度運作的需求(圖4)。縮放器能夠在源頭控制頻寬，而非交由ISP/SoC進行管理。它們能夠在最大程度上提供精細的粒度(Granularity)控制，同時保持完整的可視範圍(FOV)。縮放演算法可能十分複雜，以確保即使在解析度大幅縮放的情況下，也能提供出色的影像品質，例如安森美AR2020影像感測器(Hyperlux LP產品系列的20百萬像素成員)便具有複雜的縮放演算法。舉例來說，雖然獲取遠距離物體的細節確實需要20百萬像素，但可能只有影像中的特定區域具有此需求，透過對該動態定義的區域進行裁剪或縮放即可發揮20百萬像素感測器的優勢，而無須持續針對整個影像處理相當於20百萬像素的資料。
圖4 相較於次級採樣模式Binning，影像縮放的失真(Artifact)更少，帶來強化的影像輸出
盡可能休眠，按需喚醒
感測器可以處於極低的運作狀態，即在大多數運作時間內以低解析度、最低影格速率運行。當檢測到運動(Motion)時，感測器將切換到預定的配置，此即為運動喚醒(Wake on Motion, WOM)模式(圖5)。影像感測器有能力處理這些變化，並讓ISP/SoC將其切換到所需的模式/配置。此外，還能進一步屏蔽與應用無關的運動區域，使感測器和視覺系統更加精準、高效。以前，這項功能是在處理器中完成的，轉為在感測器上實現此功能可減少系統資源和功耗。
圖5 運動喚醒等功能將打造高度目標導向的視覺系統
我們可以看到這些功能在電池供電應用、智慧門禁系統、零售掃描儀、醫療監測系統等應用中產生的深遠影響。電池供電的應用從這些感測器中獲得了最顯著的優勢，可以最大限度地降低系統功耗。在4K視訊門鈴應用中，像安森美AR0830這樣的8百萬像素影像感測器在完全運行的狀態下將傳輸6G資料，而此類影像感測器現在有超過98%的時間可以在WOM模式下運行。在預檢測階段，影像感測器產生/傳輸的資料量極低，整個視覺系統的運行功耗僅為全力運作模式下的一小部分。
迄今為止，影像感測器作為資料蒐集和資料傳輸裝置，一直表現出色。本文提及之趨勢和進步使這些感測器成為內置智慧應用的強大邊緣裝置。透過整合更好的像素技術、可配置的智慧特定區域、運動檢測等功能，將可根據用例需求進行設計，進而打造出性能卓越且功耗極低的差異化高效視覺系統，例如安森美Hyperlux LP產品系列便展現出良好性能。
(本文作者為安森美產品行銷)
次級採樣/縮放/喚醒技術助攻 低功耗影像感測器推動邊緣智慧升級(1)
次級採樣/縮放/喚醒技術助攻 低功耗影像感測器推動邊緣智慧升級(2)